日益激烈的市場競爭和日趨復雜的生產過程，促進了企業(yè)將信息技術、計算機技術，智能控制等先進技術引入生產過程控制之中，為企業(yè)實現現代化質量管理與質量保證奠定了基礎。開展以計算機技術應用為基礎，以信息集成為核心，結合先進的智能過程控制技術、信息處理技術和現代質量管理方法，構建企業(yè)現代質量管理新模式并在現代集成制造系統(tǒng)（CIMS，Contemporary Integrated Manufacturing）中有效應用具有十分重要的意義。本文首先簡介了在質量控制系統(tǒng)中的過程定義及控制框圖，闡明了質量控制系統(tǒng)中過程控制的復雜性。隨著過程環(huán)境的不斷變換，產生了大量非正態(tài)分布的數據，從而不滿足統(tǒng)計過程控制（SPC，Statistical Process Control）中的控制圖技術的前提——數據的正態(tài)分布。文中研究了常見的四種非正態(tài)分布，并分別在不同偏度和峰度下，計算其對控制圖性能的影響程度，指出在實際應用控制圖中，嚴格判斷數據的分布特性的重要性。復雜過程建模一直是研究的熱點，本文利用自組織神經網絡（Self Organization Mapping，SOM）的對輸入空間的自適應地統(tǒng)計分類的特性，提出... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

非正態(tài)分布數據對3a控制圖的性能影響

系統(tǒng)的原形如下:，·(夕，一5)，+，2，+In:。，，，與尸2可以服從任何分布，這里假設服從正態(tài)分布:Pl一N‘”，I夕，戶一N(0，j)，假設實際各取到400個數據，圖形顯示如圖3.3。假設的原始模型(y=〔:1一巧)2+口3+拍歡)圖3.3過程的模型原形在我們的模擬分析中，SOM的結構與參數如圖3.4所示。

lll6661.3935550.7660222一0.377655513.55551.025888lll7771.0207770.04179111一0.0280011114.183330，3147444lll8880.99119990.02156444一0.0272266614.48333一0.3378111lll9991.003330.21316660.00235744414.84888一0.94508882220001.1481110.69971110.011077715.69111一1.682111222lll0.98905550.352888一0.0640466612.909990.39527772222220.9754440.01530888一0.0232255513.489990.0033265552223330.98367770.07295555一0.0360366613.82222一0.40466662224440.76246660.34034440.0055455513.8666一1.3009992225550.37003330.82964440.280722214.77555一1.87111現比較線性模型的數據與原始數據，如圖3.7所示。棋擬前后棋型的比較

【參考文獻】：
期刊論文
[1]面向質量不合格率的CUSUM控制圖參數優(yōu)化設計[J]. 王前洪,張宇,楊慕升.  山東理工大學學報(自然科學版). 2006(03)
[2]關于單變量統(tǒng)計過程控制圖某些研究結果簡介[J]. 王兆軍.  統(tǒng)計與信息論壇. 2006(03)
[3]生產過程質量智能化診斷方法的研究[J]. 翟敬梅,蔣梁中,謝存禧,徐曉.  機械科學與技術. 2003(05)
[4]電火花加工工藝效果建模[J]. 樓樂明,李明輝,彭穎紅.  上海交通大學學報. 2000(03)
[5]基于ARMA新息模型辨識的工序質量診斷方法[J]. 高齊圣,潘德惠.  管理工程學報. 1999(04)
[6]質量診斷的模糊專家系統(tǒng)[J]. 陳志強,閻植林,高祥友.  計算機仿真. 1997(03)



本文編號：3579158